使用Python转换字符

Question

我收到一个文本文件，但其中的某些字符不正确。

一个示例是以下文本：

Apresentação/ divulgação do curso

但是正确的文本是

Apresentação/ divulgação do curso

我使用Php函数utf8_decode，它可以正常工作，请参见下面的示例

echo utf8_decode("Apresentação/ divulgação do curso");
result Apresentação/ divulgação do curso

但是我无法使其在Python中工作，我尝试使用

my_str = 'Apresentação/ divulgação do curso'
print( my_str.decode("utf-8") )

但是我遇到了以下错误：

AttributeError: 'str' object has no attribute 'decode'

如何使用Python进行这项工作？

Answer 1

该字符串是将原始UTF-8字节解码为latin-1的结果。因此，只需将它们重新编码为latin-1，然后解码为utf-8：

>>> my_str = 'Apresentação/ divulgação do curso'
>>> print( my_str.encode('latin-1').decode("utf-8") )
Apresentação/ divulgação do curso

如果该文件来自您用Python open编写的文件，则可能使用latin-1（或类似的cp1252）作为open的默认编码。在这种情况下，正确的解决方案是为open提供正确的编码，以便首先对其进行正确解码，更改如下内容：

with open('myfile.txt') as f:
    my_str = f.read()

收件人：

with open('myfile.txt', encoding='utf-8') as f:
    my_str = f.read()

因此不需要其他encode或decode步骤。

Answer 2

我认为初始文本在iso-8859-1中。这将解决它：

>>> s = 'Apresentação/ divulgação do curso'
>>> bytes(s, 'iso-8859-1').decode('utf-8')
'Apresentação/ divulgação do curso'